Grad-CAM是什么？
英语的全称是Gradient-weighted Class Activation Mapping
直接翻译是【梯度加权分类激活映射】
简单说就是用CNN做图像分类的时候，到底是根据图像的哪里来判断属于这个分类的，给明确映射出来。
如下图被分类为狗（拳师犬），CNN是根据哪里来判断是狗的呢？我们使用Grad-CAM可以看出是根据头部特征来判断的。

Grad-CAM的实现方法
整体流程如下图，算法的主要的难点在于最后卷积层的梯度算出，也就是下图红框部分。
梯度这个词数学基础不太扎实的同学可能已经忘记了。说说几个词
【导数】指的是一元函数中，函数y=f(x)在某一点处沿x轴正方向的变化率；
【偏导数】指的是多元函数中，函数y=f(x1,x2,…,xn)在某一点处沿某一坐标轴（x1,x2,…,xn）正方向的变化率。
【方向导数】不止是坐标轴方向的变化率，坐标轴以外的其他方向的变化率
【梯度】众多方向导数中最大的那个向量
具体可以参考一下文章导数，偏导，方向倒数，梯度
关于反向梯度的算出方法，可以参考我的另一篇文章 一步一步教你反向传播<